У статті зібрано відгуки про вибіркові дисципліни катедри ШІ на 3 курс. Зазначимо, що ця інформація базується на суб'єктивних думках студентів, які вже вивчали ці предмети, і наведена лише з ознайомлювальною метою.

Хочемо звернути увагу на:

«Відповідь викладача» — викладач або викладачка вперше викладатиме дану дисципліну, тому ми звернулися до нього / неї з проханням розповісти про плани.

Стаття містить статистику 2023-2024 років — відповідей цьогорічного опитування було недостатньо, додана інформація з попередніх статей.

Висловлюємо щиру подяку студентам, які взяли участь у зборі відгуків, та викладачам, що відповіли на наші запитання!

Вибіркові інших катедр та курсів ви можете знайти за цими посиланнями:

• ШІ 4 курс
• ММСА 3 курс
• ММСА 4 курс
• СП 3 курс
• СП 4 курс

---

5 семестр

Освітній компонент 1

Інтелектуальний аналіз даних (Недашківська Н. І.)

Про що предмет, що вивчалося?

• «Вступ до машинного навчання, математичний опис і програмна реалізація багатьох моделей для розв'язання задач класифікації, кластеризації та регресії».

• «Здебільшого база machine learning».

• «Глобально було три теми: методи оцінки якості алгоритмів машинного навчання, навчання із вчителем, навчання без вчителя. Надавалася теоретична база того, на яких принципах ґрунтується робота алгоритму, та можливість самостійно погратися з тим чи іншим видом у межах лабораторних. Самі лаби писалися на пайтоні з використанням Scikit-learn».

• «Вивчали основи ML».

Які попередні знання необхідні?

• «Базові знання Python, теорія ймовірності / математична статистика».

• «Базові знання пайтону, викладач надає усі матеріали і т.д., тому більше нічого не вимагається».

• «Базові знання з математичної статистики допоможуть, але предмет абсолютно нормально сприймається і без них».

• «Загалом можна йти без якихось спеціальних знань, цілком реально розібратися під час навчання».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Якщо в планах є працювати за спеціальністю, у сфері аналітики, то це те, що треба. Здивована, що це вибірковий предмет, а не основний».

• «Якщо плануєте працювати у сфері машинного навчання, то тут вам нададуть міцну та систематизовану базу, ґрунтуючись на якій ви зможете, за бажання, розвиватися далі самостійно».

• «Загалом дуже актуальна дисципліна для тих, хто надалі хоче йти в ML i Data Science. Якихось прям навичок для майбутньої роботи може і не дасть, але точно потрібно для розуміння цієї галузі».

Розкажіть докладніше про РСО.

• «5 лаб, можна обрати між усним та письмовим захистом, 3 контрольні роботи».

• «5 лаб: 7 балів за лабу + 7 за захист (можна як усно, так і письмово захищатися) та 3 мкр в сумі на 30 балів».

• «Було три контрольних і штук п'ять лабок. Лаби не складні, а навіть якщо виникнуть питання, то викладач завжди до них відкритий, та й до того ж Scikit-learn є документація на сайті. На лабораторні надається приблизно 2 тижні. Кр проводились асинхронно, матеріал відповідав пройденому».

• «Було 5 лабораторних робіт, кожна з яких включала виконання завдання та його захист. Також було 3 кр. Загалом досить зручна система, де ти можеш захищати як усно на парі, так і письмово асинхронно».

Які загальні враження від дисципліни?

• «Дисципліна дуже сподобалась, матеріал цікавий та корисний. Лабораторні роботи дозволяють побачити алгоритми в дії, дослідити їхні переваги та недоліки».

• «Дуже позитивні, викладачка йшла назустріч із дедлайнами, лаби досить значні за обсягом і складні, але цікаві».

• «Вкрай позитивні: цікаво, корисно і не сильно напряжно».

• «Досить цікава й актуальна дисципліна, приємна та компетентна викладачка. Одна з найкращих дисциплін за 3 курс».

Вільний мікрофон.

• «Якщо хочете розвиватись у сфері ML, то вам сюди. Якщо просто шукаєте цікавий та не дуже напряжний предмет із класним викладачем та чітким РСО, то вам теж підійде. Так, для високих балів доведеться попрацювати, оцінок без знань не буде, але темп цілком комфортний і без надзусиль».

Теорія інформації і кодування (Коваленко А.Є.)

Про що предмет, що вивчалося?

• «Ви дізнаєтесь про ентропію інформації (не має нічого спільного з ентропією у фізиці, просто красиве слово) та теоретичний максимум стиснення даних. Також будуть розібрані та відпрацьовані на практиці (ручкою на папері) алгоритми стиснення даних (такі, як код Хаффмана)».

Які попередні знання необхідні?

• «Жодних попередніх знань не потрібно».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Знання актуальні, але марні, скоріше для власного розвитку, а не як повноцінна прикладна дисципліна».

Які загальні враження від дисципліни?

• «Лайтова дисципліна, легко забрати бали (це ж Коваленко, камон). Знання не те щоб важливі, але достатньо цікаві».

• «Достатньо цікаво, але актуальність даного матеріалу не є доцільною, якщо необхідно використовувати знання для пошуку роботи».

Мультипарадигменні мови програмування (Канцедал Г.О.)

Про що предмет, що вивчалося?

• «Фактично занять не було. Весь матеріал потрібно вивчати самостійно».

Які попередні знання необхідні?

• «Базові навички програмування мовою Python».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Якщо виконувати лабораторні, то можна непогано поглибити знання з програмування».

Розкажіть докладніше про РСО.

• «Можна було або здати сертифікати, або зробити 7 лабок. Найпростіше — здати сертифікати. Лабораторні після третьої досить складні».

Які загальні враження від дисципліни?

• «Цікавий досвід, але краще обрати щось інше».

Вільний мікрофон.

• «Лабораторні роботи перевіряє бот, який не завжди зараховує навіть правильно виконані завдання. Пояснень щодо помилок він майже не надає, а викладач, швидше за все, порадить розбиратися самостійно. Часті збої бота ускладнювали здачу, а після дедлайну надіслати роботу вже неможливо».

Освітній компонент 2

Методологія Data Science (Пишнограєв І. О.)

(Відповідь викладача.)

Що радите додатково вивчити чи особливо передивитись перед відвідуванням вашої дисципліни?

• «Для курсу як правило потрібні знання теорії ймовірностей та математичної статистики, лінійної алгебри, чисельних методів, основ програмування. Якщо будуть знання зі сфери Data Mining - дуже добре. Якщо ні, то будемо розбиратись».

Кому радите обрати цей предмет?

• «Предмет може бути корисний тим, хто хоче пов'язати свою професію з Data Science та аналітикою. Я зробив такий оглядовий курс про всі етапи виконання проєктів з Data Science із застосуванням мови R».

Які види роботи планується проводити?

• «Лекційні заняття - матеріал у вигляді презентацій + розбір прикладів із застосуванням R (лекції записуються). Лабораторні роботи - із застосуванням R (або іншої мови, що обере студент) виконання робіт з обробки та аналізу даних (починаючи від звичайної описової статистики і в кінці простенькі нейронні мережі як регресійні моделі). І в кінці невеличкий "комплексний" проєкт, що буде охоплювати етапи від збору даних до інтерпретації результатів».

Які основні знання та навички можна набути після проходження курсу?

• «Виконання основних етапів проєктів з обробки даних, аналітики даних, побудови прогностичних моделей. Використання мови R для аналізу даних. Якщо буде цікаво, то створення інтерактивних дашбордів за допомогою Shiny».

Розкажіть про свій практичний досвід, пов'язаний з темою дисципліни.

« а) наукова робота пов'язана з аналізом даних: http://wdc.org.ua/sites/default/files/Foresight-Energy-ua-2021.pdf, http://journal.iasa.kpi.ua/search/search?query=&dateFromYear=&dateFromMonth=&dateFromDay=&dateToYear=&dateToMonth=&dateToDay=&authors=Pyshnograiev

б) фактично схожий курс ставив в компанії Infopulse;

в) консультант з Data Science для бізнесу, наприклад, розв'язував задачі з розрахунку впливу різних рекламних стратегій на продажі товарів та пошуку оптимальних опцій».

Мови та технології штучного інтелекту (Тимощук О. Л.)

Про що предмет, що вивчалося?

• «Розглядалася здебільшого мова Prolog і трохи функціональних мов наприкінці».

• «Вивчалася мова prolog».

• «Пролог в основному, але були лекції та 2 лаби про інші мови програмування».

Які попередні знання необхідні?

• «Непогано було б пам'ятати метод резолюцій із матлогіки».

• «Ніяких».

• «Хоч якесь базове розуміння програмування та логіки, це все. Одна лаба потребувала якихось знань Пайтона, але в основному гпт допомагає».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Актуальність доволі сумнівна, оскільки за межами інститутів логічна парадигма не сильно прижилася».

• «Не думаю, що це актуальні знання, які багато де застосовуються. Можливо, цю мову все ще використовують, але не надто широко».

• «Насправді досить цікаво було інколи послухати. Чесно, не знаю, де це знадобиться. Типу звичайне програмування логічними мовами, хз. Актуально на 3/5, мабуть».

Розкажіть докладніше про РСО.

• «Три лабки, дві на Prolog, одна на трьох мовах: Prolog, C++ / Python / Java, Lisp / F# / Elixir. Кілька невеликих контрольних на теоретичний матеріал у форматі питання — розгорнута відповідь та два виступи. Перший — доповідь на тему перспективних напрямків розвитку ШІ, другий — розв'язок логічної задачі на Prolog + мова на вибір».

• «Бали нараховувалися за три лабораторні роботи та їх захист (що відбувався під час пари — письмове завдання десь на пів години), одного завдання на дебати й одного групового проєкту на розв'язання логічних задач».

• «Було 3 лаби самостійних (остання поділялась на 3 підтеми) і, здається, 2 роботи в групі. Про сучасні технології (тема була дана на вибір) та написання логічних задач на пролозі + мова на вибір + модульна контрольна, яку викладачка закрила автоматом тим, хто не затягував зі здачею та мав 2 атестації».

Які загальні враження від дисципліни?

• «У цілому чілово, окрім невеликих кр з теорії та другої лабораторної. КР могли ускладнюватися через недостатнє пояснення деяких питань на парах, тому доводилося шукати інформацію самостійно, що іноді непросто через нерозповсюдженість теми. Лабораторна викликала труднощі через специфіку Prolog – задача, яка на імперативних мовах займає 10 хвилин, тут могла розтягнутися на 4 години. Це пов’язано з тим, що в Prolog немає повного контролю над виконанням коду, тому доводиться постійно враховувати, як логічна машина інтерпретує написане».

• «Не скажу, що дуже цікава чи актуальна дисципліна. Але приємна викладачка й предмет закривається легко».

• «Дуже хороша викладачка. Якщо слухати, дисципліна навіть може сподобатися. Загально рекомендую взяти навіть через досить прості лаби та для ознайомлення з Прологом і схожими на нього мовами програмування».

Мережі Байєса в системах підтримки прийняття рішень (Терентьєв О.М.)

Які попередні знання необхідні?

• «Майже ніяких, усе і так стане зрозумілим».

Розкажіть докладніше про РСО.

• «4 лаби (одна з яких — есе) у сумі складають 70 балів, залік (тест у гугл-формі) — 20 балів, активність на парах — 10 балів».

Які загальні враження від дисципліни?

• «Викладач скасовував половину пар, на кожній лекції читався майже один і той же матеріал, якихось програм, де можна робити обчислення, було показано багато, але хотілося б більше теорії. Якщо хочеш високий бал, треба ходити на кожну пару та спілкуватися з Терентьєвим».

Освітній компонент 3

Технології візуалізації даних (Фегер А.П.)

(Дивіться Ф-каталог.)

Розробка і тестування програм (Бендюг В.І.)

Про що предмет, що вивчалося?

• «Здається, про те, як відбувається тестування програм. Ну й про розробку, мабуть, також було».

Які попередні знання необхідні?

• «Ніяких».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «3/5. Загалом для девів / тестувальників може бути цікаво, але те, як викладалося це все...»

Розкажіть докладніше про РСО.

• «Було 9 практичних + 9 лабораторних тестів + мкр. Все закривалося з презентацій, які було додано в Гугл клас».

Які загальні враження від дисципліни?

• «Та легкий предмет взагалі. Нудні лекції, пари проводилися просто через вичитку презентацій».

Прикладна статистика (Левенчук Л.Б.)

Про що предмет, що вивчалося?

• «Майже повністю повторне вивчення математичної статистики з більшим нахилом у практику».

• «Загалом показується на практиці те, що вивчалося в теорії».

• «Лінійна, нелінійна парна та множинна лінійна регресії».

Які попередні знання необхідні?

• «ТЙ і матстат, якщо ви все забули, то тут нагадають».

• «Особливо ніяких».

• «Теорія ймовірностей, використання Excel».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Може знадобитися аналітикам, але загалом більше для того, щоб краще розібратися в цій темі».

• «Цей предмет змусив навчитися використовувати Excel. Щодо матеріалу, то корисним буде: перевірка моделі на адекватність, інтервальні прогнози, мультиколінеарність та довірчі інтервали».

Розкажіть докладніше про РСО.

• «3 лаби, якщо здаєш у дедлайни, то є можливість отримати 100».

• «Було 3 командні лабораторні із захистом. Він відбувався під час пари в повному складі команди. Також була МКР на 10 балів, але ті хто здавали лабораторні в дедлайн, отримували автомат».

• «3 лаби, якщо вчасно здавати, то контрольна автоматом».

Які загальні враження від дисципліни?

• «Позитивні, викладача приємно слухати, інформація на лекціях корисна. Єдине що, лаби не дуже відповідають лекціям, хоча на них можна попрактикуватися працювати в Excel».

• «Чудова викладачка, із якою було приємно комунікувати».

• «Сподобалося, не напряжно, але є над чим посидіти, що розібрати і поробити в лабораторних. Допомогло згадати, що вивчалось у минулому семестрі на мат статистиці».

Вільний мікрофон.

• «Не сподобалася методичка, у якій купа помилок (хоча вона не така стара)».

Освітній компонент 4

Алгоритми робототехніки (Титаренко А.М.)

Про що предмет, що вивчалося?

• «Вивчалися основи робототехніки й ML».

Які попередні знання необхідні?

• «Загалом ніяких, усе досить зрозуміло пояснюється».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Справді корисний і актуальний предмет для тих, хто хоче йти в цю сферу».

Розкажіть докладніше про РСО.

• «Було 3 чи 4 дз, із основними і додатковими завданнями. Вони надавались у вигляді лабораторних робіт, досить цікавих, іноді важкуватих, проте викладач ішов назустріч і завжди готовий був відповісти на запитання. Також можна було отримати додаткові бали, виконавши проєкт або підготувавши доповідь за статтею, за попередньою домовленістю з викладачем. Навіть можна було закрити весь предмет на 100 за рахунок проєкту».

Які загальні враження від дисципліни?

• «Дисципліна цікава, можливо, були трохи складні дз. Проте викладач дуже приємний і компетентний, готовий іти назустріч студентам».

Бази SQL для обробки та аналізу даних (Кухарєв С.О.)

Про що предмет, що вивчалося?

• «Предмет був присвячений роботі з реляційними базами даних та ефективному використанню SQL для збереження, обробки й аналізу інформації. Ми вивчали основи створення баз даних, проєктування таблиць, написання запитів для отримання та модифікації даних, а також працювали з агрегатними функціями, підзапитами та об’єднанням таблиць».

Які попередні знання необхідні?

• «Для комфортного вивчення курсу бажано мати базове розуміння реляційних баз даних, знати основи програмування та логіки. Також стане в пригоді вміння працювати з великими наборами даних і розуміння, як оптимізувати запити для швидшої обробки».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Знання з SQL справді корисні, адже бази даних використовуються майже в кожній сфері — від бізнесу до аналітики та розробки. Вміння працювати з запитами допомагає швидко знаходити й обробляти потрібні дані, що важливо як для аналітиків, так і для розробників».

Розкажіть докладніше про РСО.

• «Була можливість здавати лабораторні роботи або проходити курси на Курсері та отримувати оцінку за їхніми результатами. Кожен студент обирав формат, який буде зручніший особисто йому/їй».

Які загальні враження від дисципліни?

• «Дисципліна виявилася цікавою. Було приємно бачити, як за допомогою SQL можна швидко отримувати потрібну інформацію та аналізувати великі обсяги даних. Загалом, курс дав корисні навички, які точно знадобляться в майбутньому. Особливо актуально буде тим, хто бажає розвиватися в сфері дата-аналітики».

Веб-орієнтована розробка програмного забезпечення (Гуськова В.Г.)

Про що предмет, що вивчалося?

• «Розглядалися такі теми: вимоги до сайтів, Jira, Git, HTML і CSS. Викладач здебільшого розповідав про основні прикладні моменти й нюанси, які виникають у реальній роботі».

• «Про веброзробку, вивчення CSS, HTML або мови вебпрограмування JavaScript, React та інші на вибір за попереднім погодженням з викладачкою».

Які попередні знання необхідні?

• «У цілому — жодних. Можливо, невелике розуміння принципів роботи мереж і все».

• «Особливо попередніх знань не потрібно, є достатньо часу, щоб опанувати все з нуля, викладачка дуже лояльна, лекції корисні».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «У цілому це чудове введення у фронт-енд. Якщо хотіли себе спробувати в цьому напрямку, то рекомендую».

• «Знання актуальні, у студентів є вибір, якою мовою писати сайт, отже, можна взяти будь-яку сучасну мову».

Розкажіть докладніше про РСО.

• «Було чотири лабораторні роботи: вимоги та вайрфрейм (типу фігма, але простіше), HTML, CSS, JS (опціонально). Але можна було використовувати й фреймворки, де процес можливо трохи різниться».

• «4 лабораторні роботи та 1 контрольна в кінці семестру».

Які загальні враження від дисципліни?

• «Позитивні. Видно, що викладач є активним спеціалістом у цій галузі. До того ж, ставлення до студентів дуже лояльне: штрафних балів за запізнення не було, якщо хтось хотів робити лабораторні не на класичних HTML+CSS+JS, а на фреймворці, то проблем із цим не було жодних».

• «Викладачка хороша, знання сучасні, для того, щоб почати розбиратись у веброзробці предмет підійде, а якщо вже вмієте, то швидко закриєте».

6 семестр

Освітній компонент 5

Синергетичні методи аналізу (Зінченко А.Ю.)

(Відповідь викладача.)

Що порадите додатково вивчити чи передивитися перед відвідуванням вашої дисципліни?

• «Будуть корисними знання з наступних курсів: диференціальні рівняння, чисельні методи, моделювання складних систем, об'єктно-орієнтоване програмування, математичне програмування, теорія стійкості й варіаційне числення».

Кому порадите обрати цей предмет?

• «Тим, кому буде цікаво: застосування синергетичних методів аналізу для глибшого розуміння макроекономічних процесів; проведення аналізу хаотичної динаміки в економіці, дослідження ринку Forex, розв'язання прикладних задач теорії катастроф; створення й апробування нових способів та інструментів синергетичного аналізу до дослідження складних систем і процесів; застосування чисельні методи виявлення й дослідження атракторів і динамічного хаосу до управління економічними системами та процесами».

Які види роботи планується проводити?

• «У курсі передбачено 36 годин на лекції, 18 годин на практичні / комп'ютерні практикуми та 66 годин на самостійну роботу. Студентам пропонується виконати практичні роботи з наступних тем:

• Кількісні та якісні характеристики послідовностей даних.

• Елементи фрактального аналізу.

• Дослідження хаотичної поведінки розв'язків різницевих рівнянь із параметрами. Універсальна поведінка для класу рівнянь.

• Дослідження нелінійної динаміки диференційних рівнянь II порядку.

• Моделювання динамічного хаосу.

• Ґратки зв'язаних відображень: класифікація просторово-часових станів.

• Моделювання структур у ґратках зв'язаних відображень.

• Моделювання просторових структур у системі «реакція з дифузією».

• Взаємодія хвиль у моделі збудженого активного середовища.

Докладніше з матеріалами практичних робіт можна ознайомитися за посиланням».

Які основні знання та навички можна набути після проходження курсу?

• «Після проходження курсу студент набуває наступних компетентностей:

• Аналіз наявності хаосу у фрактальних рядах.

• Проведення математичного та комп'ютерного моделювання складних систем.

• Виконання синергетичного аналізу динамічних об'єктів і процесів різної природи (зокрема дослідження стійкості диференціальних систем, створення карт динамічних режимів, реконструювання математичних моделей за спостереженнями).

• Аналіз фрактальних множин різної природи для прийняття рішень у банківській сфері й фінансах.».

Розкажіть про свій практичний досвід, пов'язаний з темою дисципліни.

• «Результати практичних розрахунків, пов'язаних із темою дисципліни, опубліковані в трьох монографіях. Теоретичні матеріали — у двох посібниках, методичних рекомендаціях. У роботі з практичними розрахунками використовував власне програмне забезпечення: для дослідження часових рядів або скалярних реалізацій від динамічних систем — написане на Java, для дослідження динамічних систем — написане на C#».

Сучасні методи оптимізації (Козирєв А.Ю.)

(Відповідь викладача.)

Що порадите додатково вивчити чи передивитися перед відвідуванням вашої дисципліни?

• «Для опанування дисципліни очікується від студентів знання основ з дисциплін “Математичний аналіз”, “Лінійна алгебра”, “Обчислювальна математика” та “Проектування та аналіз обчислювальних алгоритмів”. Дуже важливо передивитись розділи про властивості функцій, ліміти, диференціювання та векторні операції, оскільки вони є важливими для розуміння роботи не тільки алгоритмів оптимізації, а і штучного інтелекту в цілому».

Кому порадите обрати цей предмет?

• «Я рекомендую дану дисципліну всім, хто планує присвятити свою кар'єру академічному дослідженню ШІ та оптимізації, або кар'єру пов'язану з розробкою та впровадженням ШІ моделей у сучасні системи».

Які види роботи планується проводити?

• «Під час проходження курсу на практичних заняттях планується розглядати зі студентами застосування методів для розв'язання задач оптимізації, тренування ШІ тощо. Замість розв'язування задач з підручника з фікційними умовами задачі, студенти будуть вирішувати задачі на реальних даних і відповідно отримувати важливий досвід».

Які основні знання та навички можна набути після проходження курсу?

• «Після проходження курсу студент отримає практичні навички застосування сучасних методів на актуальних задачах».

Розкажіть про свій практичний досвід, пов'язаний із темою дисципліни.

• «Мій попередній досвід викладання дисципліни відсутній, проте на практиці я вже 5 років застосовую навички з дисципліни для академічного дослідження та розробки ШІ-систем для впровадження в додатки та бізнеси. Своїм найбільшим неакадемічним досягненням я хотів би виділити застосування запропонованого алгоритму для тренування моделі генеративної нейронної мережі в SMM-додатку. Дана модель мала state-of-the-art показники для створювання тексту на ринку до приходу OpenAI, Anthropic тощо: https://vctr.media/ua/shi-konkurent-kopirajteriv-ta-smm-nykiv-yak-praczyuye-ukrayinskyj-startap-postello-180172/».

Управління ІТ-проєктами (Тимощук О.Л.)

Про що предмет, що вивчалося?

• «Процес розробки проєкту від ідеї до презентації клієнту (не розробляємо, лише розглядаємо шлях)».

Які попередні знання необхідні?

• «Ніякі».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Досить актуально та цікаво для project manager, загалом для розуміння, як це відбувається в компаніях».

Розкажіть докладніше про РСО.

• «1 велика збірна декількох лаб приблизно на ±40 слайдів. Кожною лабою доповнюєш презентацію до кінцевого результату. Декілька лаб у групах з одногрупниками. Декілька контрольних протягом семестру».

Які загальні враження від дисципліни?

• «Хороший викладач, цікавий, актуальний предмет».

Освітній компонент 6

Вступ до загального штучного інтелекту (Осауленко В.М.)

(Відповідь викладача.)

Що радите додатково вивчити чи особливо передивитись перед відвідуванням вашої дисципліни?

• «Для опанування дисципліни очікується від студентів знання основ з дисциплін “Математичний аналіз”, “Лінійна алгебра”, “Обчислювальна математика” та “Проектування та аналіз обчислювальних алгоритмів”. Дуже важливо передивитись розділи про властивості функцій, ліміти, диференціювання та векторні операції, оскільки вони є важливими для розуміння роботи не тільки алгоритмів оптимізації, а і штучного інтелекту в цілому».

Кому радите обрати цей предмет?

• «Я рекомендую дану дисципліну всім, хто планує присвятити свою кар'єру академічному дослідженню ШІ та оптимізації, або кар'єру пов'язану з розробкою та впровадженням ШІ моделей у сучасні системи».

Які види роботи планується проводити?

• «Під час проходження курсу на практичних заняттях планується розглядати зі студентами застосування методів для розв'язання задач оптимізації, тренування ШІ тощо. Замість розв'язування задач з підручника з фікційними умовами задачі, студенти будуть вирішувати задачі на реальних даних і відповідно отримувати важливий досвід».

Які основні знання та навички можна набути після проходження курсу?

• «Після проходження курсу студент отримає практичні навички застосування сучасних методів на актуальних задачах».

Розкажіть про свій практичний досвід, пов'язаний з темою дисципліни

• «Мій попередній досвід викладання дисципліни відсутній, проте на практиці я вже 5 років застосовую навички з дисципліни для академічного дослідження та розробки ШІ-систем для впровадження в додатки та бізнеси. Своїм найбільшим не академічним досягненням я хотів би виділити застосування запропонованого алгоритму для тренування моделі генеративної нейронної мережі в SMM-додатку. Дана модель мала state-of-the-art показники для створювання тексту на ринку до приходу OpenAI, Anthropic тощо: https://vctr.media/ua/shi-konkurent-kopirajteriv-ta-smm-nykiv-yak-praczyuye-ukrayinskyj-startap-postello-180172/».

Інтелектуальні системи підтримки прийняття рішень (Недашківська Н.І.)

Про що предмет, що вивчалося?

• «Загалом продовження ІАД».

Які попередні знання необхідні?

• «Бажано знати Python і вже трохи розумітися на різних модельках і нейронах, але загалом і без цього можна розібратися».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Дуже актуальні, особливо якщо надалі хочеш працювати в ML i Data Science».

Розкажіть докладніше про РСО.

• «За захист та лабораторну можна отримати по 7 балів, усього 5 робіт. Також 2 МКР на 15 балів кожна. Зручно, що захист може бути як усно на парі, так і письмово асинхронно».

Які загальні враження від дисципліни?

• «Цікавий, корисний предмет і чудова викладачка».

Етичні та екологічні аспекти штучного інтелекту (Комариста Б.М.)

(Відповідь викладача.)

Що радите додатково вивчити чи особливо передивитись перед відвідуванням вашої дисципліни?

• «Нічого не раджу, курс новий, тому в процесі підготовки буду ще сама вивчати деякі матеріали».

Кому радите обрати цей предмет?

• «Дисципліна для загального розвитку, кому цікаво можна долучатись».

Які види роботи планується проводити?

• «Планую проводити лекції, практичні (семінари) заняття (доповіді, співдоповіді, презентації) та ел. звітування».

Які основні знання та навички можна набути після проходження курсу?

«Навички:

Етичний аналіз впливу ШІ на суспільство.

Оцінка екологічних ризиків штучного інтелекту.

Розуміння законодавства у сфері ШІ та захисту даних.

Технічні рішення для етичного та екологічного ШІ.

Знання:

Студенти отримають комплексні знання, що охоплюють етичні, екологічні, соціальні, правові та технічні аспекти використання ШІ.

Етичні основи ШІ: відповідальність, справедливість, прозорість.

Екологічний вплив ШІ: вуглецевий слід, енергоефективність, циркулярна економіка.

Соціальні та правові аспекти: безпека, закони, права людини.

Технічні принципи ШІ: алгоритмів роботи, пояснюваність, оптимізація».

Розкажіть про свій практичний досвід, пов'язаний з темою дисципліни.

«Щодо досвіду, пройшла курси для початківців області ШІ читаю курс "Основи інженерії та технології сталого розвитку" магістрам усіх спеціальностей КПі ім. Ігоря Сікорського близько 13 років. Тому дещо буду запозичувати з даного курсу і поєднувати з достатньо новим направленням, яке набирає обертів сьогодні - ШІ. Повторюю курс новий, тому в процесі підготовки до нього буду намагатись знаходити щось нове, цікаве і актуальне на сьогодення».

Освітній компонент 7

Метаевристичні алгоритми оптимізації (Шаповал Н.В.)

(Дивіться Ф-каталог.)

Нейронні мережі (Данилов В. Я.)

Про що предмет, що вивчалося?

• «Основні типи нейронних мереж та принцип їхньої роботи, коротко кажучи — базові речі)».

Які попередні знання необхідні?

• «Матан (важливо), трохи лінал та чисельні методи (опціонально)».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Досить актуально для вступу в галузь, щоб поглиблювати ці знання в майбутньому. Хоча іноді може бути нуднувато, через старший вік викладача».

Розкажіть докладніше про РСО.

• «Здається 5 лаб. Викладач досить лояльний, тому думаю, що закрити не дуже складно».

Які загальні враження від дисципліни?

• «Оскільки ще в процесі вивчення, то на даний момент — досить непогані, не шкодую, що вибрав».

Вільний мікрофон.

• «Викладач не міг розібратися з поштами студентів, щоб надіслати відповідальному матеріали (підручники й лаби), тому завдання ми чекали близько місяця(. Проте це просто мінус, як вже раніше було сказано, він лояльний і в шию не гонить (хоча це не привід затримувати здачу ваших лаб йому)».

Комп’ютерна та інформаційна безпека (Коваленко А.Є.)

(Дивіться Ф-каталог.)

Освітній компонент 8

Python для аналізу даних та Data Science (Кот А.Т.)

(Дивіться Ф-каталог.)

Прикладна робототехніка та автономна навігація (Соболь О.О.)

Про що предмет, що вивчалося?

• «Робототехніка. Принципи роботи різних роботів та механізмів, програмування роботів».

• «Предмет про роботів і автономну навігацію, тут пояснювати не треба. Мем у тому, що всі лабораторні — це просто ROS, сидите, щось собі робите... Під кінець була цікава лаба, але лише під кінець. Ну і ще одна була на Python з OpenCV, але її можна було за 5 секунд зробити».

• «Вивчалося?! Назвати це вивченням предмета не можна ні на якому етапі, це або копіпаста, або таке ж зазубрювання. Іншими словами, знання з робототехніки не просто мінімальні: вони майже відсутні. Хоча предмет позиціює себе як напрям фізики, викладачка сама не сильно її знає. Так, може взяти формулу й підставити в неї значення, отримати відповідь, але не відповісти на мінімальне запитання про явну незбіжність у лекціях».

• «Предмет дає загальні знання з робототехніки: як механічної реалізації роботів, їхніх можливих елементів і складових, так і відповідної симуляції в спеціалізованих програмах. Вивчалися програмні рішення, що використовуються в роботах сьогодні: алгоритми пошуку, навігації, комп'ютерного зору тощо. Бонусом іде невеликий гайд-включення у віртуальні машини та трохи історії робототехніки загалом».

Які попередні знання необхідні?

• «Знань не потрібно, але потрібні міцні нерви, тому що викладачка — це капець просто. Вона вас виведе із себе після першої здачі».

• «Попередніх знань необхідно НУЛЬ, знову ж таки з причини тотальної копіпасти, можна просто відключити мозок і використовувати ctrl-c / ctrl-v. Іноді завдання урізноманітнюються іншим чудовим заняттям: переписування коду зі скрінів».

• «Попередніх знань загалом предмет не потребує, але легше буде з початковими знаннями Python та ОС Linux. Надалі всі необхідні матеріали або надаються викладачем, або легко знаходяться в загальному доступі».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Знання однозначно актуальні, навіть якщо не плануєш пов'язувати своє подальше життя з робототехнікою. Усе одно буде корисно і цікаво, а плани можуть змінитися, поки вчишся».

• «Може й актуальні. Я звідки знаю, я що, у цій сфері працюю... Напевно, актуальні».

• «Знання можливо й актуальні, якби їх адекватно й структуровано викладали, і прибрали з дисципліни всю воду. Викладачка дала все та не дала нічого, впевнений, що через декілька місяців зовсім усе забуду».

• «Актуальність теоретичних знань, у цілому, непогана, особливо в темах останніх презентацій, де нам розповідали про способи автономної навігації й алгоритми пошуку. Що стосується практичних — слабо, загалом ти просто повторюєш те, що викладачка вже робила за написаним нею гайдом. І 95% відсотків зусиль іде на боротьбу з ROS та іншими програмами, що необхідні для курсу (у кожного з моїх одногрупників були різні проблеми, які доводилося вирішувати колективно. Повірте, це дійсно найскладніше серед того, що стосується практичних робіт)».

Розкажіть докладніше про РСО.

• «РСО було неоднозначне, часто змінювались умови. У результаті було 3 модулі, кожен по 33 бали. У кожному модулі був тест на платформі, яка запобігає списуванню + захист теорії та лабораторної роботи + дз (1-2 бали). У кінці семестру залік, де можна підвищити бал (або понизити). Залік проходить сам на сам із викладачкою повністю по пройденому матеріалу. Запитання на заліку за складністю залежать від оцінки, яку маєте в кінці семестру».

• «РСО було надане однією картинкою і дійсності воно не відповідало на 100%. Річ у тому, що викладачка постійно змінювала правила заліків за окремі модулі та для різних студентів. Для студентів конкретно з моєї групи якийсь час взагалі розповсюджувались окремі правила через те, що один з моїх одногрупників порушив принципи академічної доброчесності (так, покарали всю групу, але не всіх студентів курсу)».

Які загальні враження від дисципліни?

• «Насправді крута дисципліна з компетентною викладачкою. З мінусів — викладачка часто переносила здачі й було неповне розуміння щодо балів, аж в кінці захищали 2 і 3 модулі разом. Просто тут точно не буде: треба буде вчити матеріал і розбиратися в лабораторних. Інструкція є, але треба реально розуміти що ти робиш на кожному кроці, щоб потім захистити. Валити тут не будуть, повна об'єктивність».

• «Від предмета не стільки було вражень, як від викладачки. Бо викладачка — це справжній мем. Вона непогана, якщо ви любите сидіти 200 разів це все робити, і ви дуже старанний студент. Якщо ви шалапай, який любить відкладати все на потім, то пом'янемо: це точно не про цю викладачку».

• «Враження від предмета залишилися двоякими, з одного боку, ти витрачаєш силу-силенну часу на підготовку до захисту практичних робіт та теорії. І нібито мав би отримати із цього купу знань, але у сухому залишку немає нічого. По суті за семестр ви отримуєте настільки розмиті й неповні знання, що по відчуттях всі корисні знання з курсу можна було б отримати за вечір перегляду відео на ютубі. Уточнюю про корисні знання, бо викладачка на захистах питала найбільш неважливі речі, які вона, з якогось переляку, сама додала в лекції, і, судячи з усього, щоб це не було марним, опитувала».

• «Інцидент зі списуванням одного з моїх одногрупників показує найбільшу проблему цієї дисципліни: непостійність, що виражається в правилах здачі модулів, постійних перенесеннях захистів (особливо під кінець семестру), нерівномірність викладення матеріалів (деякі лекції в записі були, деяких не було; до деяких практичних були дуже деталізовані гайди, до деяких — поверхневі або з такою кількістю помилок, що доводилося шукати самостійно). Ще з негативного можу відмітити те, що викладач може ігнорувати приватні повідомлення (звичайно ж ті, що написані в робочий час), не відповідати в загальній групі й таке інше. Резюмуючи все написане, загальна думка про предмет наступна: непогані теоретичні знання поєднані, хоч і з простими, але в деяких моментах дійсно цікавими практичними, а також із викладачкою, що дуже серйозно ставиться до предмета, але абсолютно безвідповідально й із деякою неповагою ставиться до студентів, яким цей курс викладає. Якщо ви не зацікавлені в робототехніці початково й просто шукаєте предмет, яким хочете зайняти слот, не раджу для цього обирати цю дисципліну. Але якщо вас дійсно зацікавив предмет — беріть. Нічого надскладного вам на ньому точно не трапиться».

Технології розробки програмного забезпечення (Кухарєв С.О.)

Про що предмет, що вивчалося?

• «Принципи розробки програмного забезпечення».

Які попередні знання необхідні?

• «ООП, якась із мов програмування».

Розкажіть про актуальність знань, що були здобуті під час вивчення дисципліни.

• «Досить актуальна інформація».

Розкажіть докладніше про РСО.

• «Домашні завдання й тести. Також замість них можна закрити предмет курсами».

Які загальні враження від дисципліни?

• «Загалом непоганий предмет для того, щоб ознайомитися з цією сферою».